在这个例子中,我们使用arima(x=data,order=c(0,1,1)),产生了一个想要的ARIMA(0,1,1)模型,然后我们使用predict(......,n. ahead=h),从该模型产生一个预测。
还需要指定函数应该返回什么。可以是条件平均数(点预测),预测区间,模型的参数。然而,根据你使用的函数返回的内容,滚动预测返回的内容有一些不同。..."forecast(ets(data) ,level=95"
c("mean","lower","upper")
多元时间序列ARIMA案例
当你有一个模型和一个时间序列时,滚动预测的是一个方便的方法...在这个例子中,我们将有ARIMA(0,1,1)和ARIMA(1,1,0)。...0,1,1)平均来说比ARIMA(1,1,0)更准确。